大模型時(shí)代

導(dǎo)語(yǔ)

從2022年底ChatGPT橫空出世，被大家廣泛認(rèn)知并在工作生活中迅速普及應(yīng)用，到2023年一整年的大模型熱潮，在科技巨浪奔逐下，大模型技術(shù)如同一顆璀璨的明星，迅速崛起并引領(lǐng)著一場(chǎng)新的技術(shù)革命，將科技的邊界不斷拓展。這標(biāo)志一個(gè)新的時(shí)代到來(lái)——大模型驅(qū)動(dòng)社會(huì)全域發(fā)展。

此類現(xiàn)象，在人類發(fā)展的歷史長(zhǎng)河中不斷演繹，無(wú)論是機(jī)械化、電氣化還是信息化、數(shù)字化，每個(gè)大的歷史發(fā)展階段，都基于某種關(guān)鍵技術(shù)產(chǎn)品的推動(dòng)。在互聯(lián)網(wǎng)的歷史發(fā)展過(guò)程中，亦是如此，發(fā)揮重要作用的關(guān)鍵技術(shù)產(chǎn)品有人工智能（AI）、區(qū)塊鏈技術(shù)、大數(shù)據(jù)技術(shù)、物聯(lián)網(wǎng)技術(shù)、邊緣計(jì)算、工業(yè)網(wǎng)關(guān)、智能終端等，并形象地用關(guān)鍵技術(shù)冠以“時(shí)代標(biāo)簽”，如IT時(shí)代、大數(shù)據(jù)時(shí)代，它們各自解決了發(fā)展過(guò)程中的突出問(wèn)題。顯而易見(jiàn)，近年大火的大模型已成為又一個(gè)關(guān)鍵技術(shù)產(chǎn)品，其來(lái)勢(shì)兇猛，將引領(lǐng)一個(gè)大模型“狂飆”時(shí)代。

當(dāng)下，大模型的能力拓展對(duì)很多領(lǐng)域產(chǎn)生顛覆式影響。對(duì)于個(gè)人而言，從文本創(chuàng)作到日常辦公，大模型正以更加精準(zhǔn)和高效的服務(wù)方式賦能各種場(chǎng)景，如百度上可以文生圖、圖生文，微信公眾號(hào)上文字可以轉(zhuǎn)語(yǔ)音聽(tīng)書(shū)等。對(duì)于企業(yè)級(jí)應(yīng)用而言，大模型在營(yíng)銷、客服、研發(fā)等業(yè)務(wù)領(lǐng)域，正發(fā)揮無(wú)可估量的作用。但大模型的“硬核”還未被真正了解，我們認(rèn)為大模型的發(fā)展尚處于初級(jí)階段，展現(xiàn)的主要功能是文本、圖像、語(yǔ)音、視頻四大語(yǔ)言之間的轉(zhuǎn)換，實(shí)現(xiàn)了從信息“傳輸”到“轉(zhuǎn)換”飛躍。下一步這種轉(zhuǎn)換會(huì)在“人與人”“人與物”“物與物”之間擴(kuò)展，大模型正以前所未有的速度和勢(shì)能，使人的器官獲得無(wú)限延伸，進(jìn)入無(wú)邊界可持續(xù)發(fā)展?fàn)顟B(tài)。

為此，這里做些基礎(chǔ)知識(shí)的學(xué)習(xí)分享，以及基于此做的個(gè)人粗淺理解的延伸。包括大模型時(shí)代的“明星”產(chǎn)品ChatGPT，到新趨勢(shì)產(chǎn)品多模態(tài)大模型，和大家關(guān)心的大模型構(gòu)建與應(yīng)用方法，以及研究方向、發(fā)展趨勢(shì)與具體行動(dòng)。不妥之處，請(qǐng)批評(píng)指正！

所論述的知識(shí)主要來(lái)源于三本書(shū)：《大模型：技術(shù)場(chǎng)景與商業(yè)應(yīng)用》《多模態(tài)大模型：技術(shù)原理與實(shí)戰(zhàn)》《大模型時(shí)代》。在此，向三本書(shū)的作者表示感謝！

一、大模型

大模型的概念：模型通常是一個(gè)函數(shù)或者一組函數(shù)，可以是線性函數(shù)、非線性函數(shù)、決策樹(shù)、神經(jīng)網(wǎng)絡(luò)等各種形式。與專注于某個(gè)具體任務(wù)建立的AI數(shù)據(jù)模型——“小模型”（如“阿爾法狗AlphaGo”）不同，大模型的“大”，是指模型參數(shù)至少達(dá)到億，大模型和超大及中小微模型的區(qū)別在于模型參數(shù)數(shù)量的大小、計(jì)算資源的需求和性能表現(xiàn)。大模型的三大要素：算力、算法、數(shù)據(jù)。算力支撐大模型訓(xùn)練與推理，算法是模型解決問(wèn)題的主要機(jī)制，數(shù)據(jù)是大模型訓(xùn)練的養(yǎng)料。這里有必要介紹一下GPT，GPT的全稱是Generative Pre-Trained Transformer（生成式預(yù)訓(xùn)練轉(zhuǎn)換器）是一種基于互聯(lián)網(wǎng)的、可用數(shù)據(jù)來(lái)訓(xùn)練的、文本生成的深度學(xué)習(xí)模型，近來(lái)火遍全球的ChatGPT（Chat，會(huì)聊天的）就是一個(gè)語(yǔ)言大模型，它可以通過(guò)互聯(lián)網(wǎng)上的自然語(yǔ)言數(shù)據(jù)進(jìn)行自主學(xué)習(xí)（Self-supervised Learning），并訓(xùn)練出語(yǔ)言模型。對(duì)它的使用越多，它“進(jìn)化”得就越快（在下文將進(jìn)行詳細(xì)介紹）。

簡(jiǎn)單概括就是：大模型更像人類的大腦。兼具“大規(guī)模”和“預(yù)訓(xùn)練”兩種屬性，可以在海量通用數(shù)據(jù)上進(jìn)行預(yù)先訓(xùn)練，并大幅提升AI的泛化性、通用性、實(shí)用性。

大模型的分類：大模型有多種，現(xiàn)在應(yīng)用的主要是語(yǔ)言類的，可分文本大模型、聲音大模型、圖像大模型和視頻大模型等。也可根據(jù)應(yīng)用領(lǐng)域不同，分為各行各業(yè)的大模型，如法律服務(wù)行業(yè)大模型、汽車制造行業(yè)大模型、教育行業(yè)大模型等；根據(jù)模型的復(fù)雜性不同，分為單模態(tài)、多模態(tài)大模型和跨模態(tài)大模型；根據(jù)模型是否開(kāi)源分為閉源大模型和開(kāi)源大模型。

二、ChatGPT

ChatGPT的概念：是一款基于大模型文本訓(xùn)練的大語(yǔ)言模型，可以基于自然語(yǔ)言理解、深度學(xué)習(xí)等技術(shù)，理解和生成各種內(nèi)容，完成多種自然語(yǔ)言處理任務(wù)?？缮傻闹饕獌?nèi)容有文本、圖像、語(yǔ)音、視頻、游戲、代碼生成。

ChatGPT的演變歷程：OpenAI于2018年6月發(fā)布了生成式預(yù)訓(xùn)練轉(zhuǎn)化器小模型GPT-1，2019年2月推出GPT-2，2020年6月推出GPT-3，2022年12月推出ChatGPT，2023年推出了GPT-4。從GPT-1、GPT-2、GPT-3、GPT-3.5到ChatGPT-4的誕生，預(yù)訓(xùn)練的數(shù)據(jù)量、模型的參數(shù)量呈指數(shù)級(jí)增長(zhǎng)，預(yù)訓(xùn)練語(yǔ)言模型的實(shí)際效果也從僅能生成較為通順流暢的語(yǔ)言，發(fā)展到幾乎逼近人類預(yù)期的智能水平。

ChatGPT的通用能力：ChatGPT的目標(biāo)是做人類的助手，協(xié)助人類解決創(chuàng)意和推理問(wèn)題，提高人類的能力。其通用能力主要體現(xiàn)在4個(gè)方面：（1）基于海量數(shù)據(jù)的內(nèi)容智能生成；（2）區(qū)別于傳統(tǒng)搜索方式的智能搜索；（3）支持多種語(yǔ)言批量翻譯的智能翻譯；（4）賦能智能機(jī)器人。

ChatGPT與其他大模型的不同：與InstructGPT相比，ChatGPT的綜合能力顯著高于InstructGPT，表現(xiàn)在底座模型（GPT3.0-GPT3.5）應(yīng)用場(chǎng)景（對(duì)話型文本-指令型文本）、推理能力、代碼生成能力和泛化能力。與BERT相比，BERT模型的自然語(yǔ)言理解力強(qiáng)，ChatGPT的推理能力強(qiáng)。在BERT模型推出之前OpenAI已經(jīng)發(fā)布了GPT-1。BERT借鑒了GPT-1的系統(tǒng)架構(gòu)，GPT-1采用了BERTD的Transformer和自注意力思想。

三、多模態(tài)大模型

多模態(tài)（Multimodal）概念：指的是在同一個(gè)體系或者系統(tǒng)中，同時(shí)存在兩種或者兩種以上的感知模態(tài)或數(shù)據(jù)類型，在圖像生成、圖像描述、視覺(jué)問(wèn)答3個(gè)多模態(tài)任務(wù)中直觀地展示了多模態(tài)大模型的效果。

多模態(tài)發(fā)展經(jīng)歷了5個(gè)時(shí)代：行為時(shí)代（1970-1979）、計(jì)算時(shí)代（1980-1999）、交互時(shí)代（2000-2009）、深度學(xué)習(xí)時(shí)代（2010-2019）、大模型時(shí)代（2021年至今）。

多模態(tài)大模型發(fā)展的重大里程碑和趨勢(shì)：

（1）Vision Transformer模型，第一個(gè)開(kāi)創(chuàng)性地將Transformer應(yīng)用于計(jì)算機(jī)視覺(jué)領(lǐng)域的模型；

（2）VideoBERT模型，被廣泛應(yīng)用于視頻生成、描述、回答、動(dòng)作分類等任務(wù)中；

（3）CLIP模型，證明了“多模態(tài)預(yù)訓(xùn)練大模型+零樣本推理”模式的可行性；

（4）CoCa模型，融合了解決圖像多模態(tài)問(wèn)題的3種傳統(tǒng)的思路（單編碼器模型、雙編碼器模型、編碼器-解碼器模型）；

（5）GPT-4，能夠很好地理解圖像中蘊(yùn)含的語(yǔ)義信息，并結(jié)合用戶輸入的問(wèn)題，進(jìn)行多步推理，給出準(zhǔn)確、合理、安全的回答；

（6）C0Di模型，支持模型的輸入和輸出均可為文本、圖像、語(yǔ)音、視頻的任意組合。

多模態(tài)的發(fā)展趨勢(shì)是多模態(tài)融合的輸入與輸出技術(shù)，數(shù)據(jù)融合的方法有多種，其中一種是以某一中間信息（如文字）橋接不同模態(tài)的信息，如一個(gè)大模型能同時(shí)處理多個(gè)模態(tài)的輸入和輸出。

多模態(tài)大模型的核心技術(shù)：主要有文本多模態(tài)技術(shù)、圖像多模態(tài)技術(shù)、語(yǔ)音多模態(tài)技術(shù)、視頻多模態(tài)技術(shù)、跨模態(tài)多重組合技術(shù)、多模態(tài)大模型高效的訓(xùn)練方法和GPT-4多模態(tài)大模型技術(shù)。

“大模型+多模態(tài)”的三種主流實(shí)現(xiàn)方法：（1）以LLM（大語(yǔ)言模型）為核心，調(diào)用其它多模態(tài)組件；（2）基于多模態(tài)對(duì)齊數(shù)據(jù)訓(xùn)練多模態(tài)大模型；（3）以LLM為底座模型，訓(xùn)練跨模態(tài)編碼器。

四、大模型的構(gòu)建

大模型產(chǎn)業(yè)生態(tài)體系分為基礎(chǔ)層、模型層和應(yīng)用層三層架構(gòu)?；A(chǔ)層包括數(shù)據(jù)、算力、計(jì)算平臺(tái)、開(kāi)發(fā)平臺(tái)等，為大模型產(chǎn)業(yè)搭建基礎(chǔ)設(shè)施；模型層聚集大量致力于自主研發(fā)大模型的主體；應(yīng)用層向To B和To C著兩個(gè)方向發(fā)展。

無(wú)論是個(gè)人還是公司，只有主動(dòng)擁有大模型，才能避免在這一次大模型浪潮中被淹沒(méi)。每個(gè)人都要主動(dòng)連接、使用大模型，盡早明確自己的生態(tài)位。每個(gè)企業(yè)都應(yīng)該有自己關(guān)于大模型研發(fā)或應(yīng)用的計(jì)劃，要么重新訓(xùn)練一個(gè)大模型，要么在開(kāi)源的大模型基礎(chǔ)上做二次優(yōu)化，要么采購(gòu)第三方解決方案。

可以預(yù)測(cè)未來(lái)的產(chǎn)業(yè)格局是大公司建生態(tài)，中小公司提供垂直領(lǐng)域的服務(wù)，比如數(shù)據(jù)標(biāo)注、算力優(yōu)化等。大模型發(fā)展兩大方向?yàn)槎嗄B(tài)和開(kāi)源，多模態(tài)開(kāi)源大模型將成為大模型發(fā)展趨勢(shì)，如Hugging Face發(fā)布了免費(fèi)、開(kāi)源的大模型HuggingGPT，市場(chǎng)上出現(xiàn)了開(kāi)源社區(qū)。大模型開(kāi)源的三大原因：（1）防止壟斷；（2）保護(hù)數(shù)據(jù)；（3）降低成本。

要完成一個(gè)多模態(tài)大模型在服務(wù)器上的部署和發(fā)布，需要很多軟硬件底層環(huán)境的支持，包括顯卡、顯卡操作系統(tǒng)、驅(qū)動(dòng)程序、平行計(jì)算平臺(tái)（CUDU）和神經(jīng)網(wǎng)絡(luò)庫(kù)（cuDNN）。常用的部署多模態(tài)大模型的方法有Flask、Gradio、FlaskAPI、Django和Tomado框架，部署流程是：下載VisualGLM-6B的源代碼、下載VisualGLM-6B、安裝需要的Python包、根據(jù)具體的使用方式開(kāi)發(fā)API和啟動(dòng)部署程序。

要加快多模態(tài)大模型的建設(shè)運(yùn)營(yíng)，通過(guò)微調(diào)技術(shù)和壓縮技術(shù)，能用較小容量的顯存輕松地運(yùn)行大模型，并盡快在垂直領(lǐng)域開(kāi)花結(jié)果。微調(diào)技術(shù)主要有LoRA技術(shù)、AdaLoRA技術(shù)、QLoRA技術(shù)和采用DeepSpeed的ZeRO-3方式的全量微調(diào)；壓縮技術(shù)有剪枝、知識(shí)蒸餾和量化壓縮等。

五、大模型的應(yīng)用

大模型可向企業(yè)客戶和應(yīng)用程序開(kāi)發(fā)者提供多種能力調(diào)用，包括模型推理、微調(diào)訓(xùn)練、強(qiáng)化學(xué)習(xí)訓(xùn)練、插件庫(kù)、私域模型托管等。將帶來(lái)三大改變：（1）突破定制化小模型落地瓶頸；（2）降低AI開(kāi)發(fā)和訓(xùn)練成本；（3）帶來(lái)更強(qiáng)大的智能能力，為人工智能從弱人工智能走向強(qiáng)人工智能提供了一條可行的路徑。

大模型的應(yīng)用范圍：已成功應(yīng)用的行業(yè)分為知識(shí)工作型、企業(yè)業(yè)務(wù)型和創(chuàng)意娛樂(lè)型三類。大模型的應(yīng)用功能不斷強(qiáng)化，且還在不斷拓寬，可概括為三層境界：從助手（輔助工具）到人機(jī)協(xié)作（業(yè)務(wù)流程調(diào)整和組織變革），再到顛覆式創(chuàng)新（創(chuàng)新業(yè)務(wù)模式開(kāi)拓新市場(chǎng)）。在腦機(jī)協(xié)作中，大模型將會(huì)從副駕往代駕的方向發(fā)展。在情感和創(chuàng)意方面，人類仍然具備不可比擬的優(yōu)勢(shì)，也是值得我們堅(jiān)守和加強(qiáng)的領(lǐng)域。

大模型的應(yīng)用方法：是人類獲取知識(shí)的一次創(chuàng)新，實(shí)現(xiàn)了從“搜商”到“問(wèn)商”的升級(jí)。“搜商”指的是利用“搜索語(yǔ)言”在互聯(lián)網(wǎng)上搜索信息、獲取知識(shí)的能力；“問(wèn)商”指的是利用構(gòu)建合適的提示（提示工程）向大模型提出一系列的問(wèn)題和要求，從而獲得最接近期望回答的能力。

“問(wèn)商”分為初級(jí)和跟進(jìn)兩個(gè)階段，分別采取3R任務(wù)授權(quán)法和蘇格拉底提問(wèn)法。3R任務(wù)授權(quán)法：（1)Role角色設(shè)定和目的；（2)Result期望的結(jié)果；（3）Recipe思考如何才能達(dá)到預(yù)期的結(jié)果，并給出方法和指導(dǎo)。蘇格拉底提問(wèn)法是提出問(wèn)題并引導(dǎo)出答案的方法，問(wèn)題分證據(jù)、視角、理由、影響四大類，目的主要是檢驗(yàn)理論或觀點(diǎn)、讓隱藏在腦海未成形的想法成形、引出符合邏輯或合理的結(jié)論、引導(dǎo)承認(rèn)其觀點(diǎn)或結(jié)論需進(jìn)一步驗(yàn)證真假。

大模型產(chǎn)業(yè)的商業(yè)模式：賣算力是短期內(nèi)最賺錢(qián)的商業(yè)，賣大模型是最有想象空間的商業(yè)；將大模型能力與行業(yè)結(jié)合，提高現(xiàn)有業(yè)務(wù)的生產(chǎn)力是最現(xiàn)實(shí)的商業(yè)；在某個(gè)應(yīng)用場(chǎng)景中形成顛覆式創(chuàng)新，面向最終消費(fèi)者創(chuàng)造新的價(jià)值，引領(lǐng)行業(yè)甚至創(chuàng)造一個(gè)新的行業(yè)，是最好的商業(yè)?，F(xiàn)行的收費(fèi)方式主要有三種：（1）按模型使用收費(fèi)，即訂閱制收費(fèi)；（2）開(kāi)放API和項(xiàng)目定制開(kāi)發(fā)收費(fèi)；（3）大模型提供商同時(shí)開(kāi)發(fā)運(yùn)營(yíng)自己的應(yīng)用，嵌入其他產(chǎn)品獲得引流收費(fèi)。例如，ChatGPT Plus按月訂閱付費(fèi)20美元/月，蘋(píng)果公司對(duì)開(kāi)發(fā)者收入抽成30%。

六、大模型的研究現(xiàn)狀與方向

現(xiàn)狀：目前，市面上對(duì)大模型的研究是全方位的，重點(diǎn)解決算力問(wèn)題。大模型是人工智能技術(shù)的一大突破，成為通用人工智能發(fā)展的起點(diǎn)。人工智能模型的工作分為訓(xùn)練和推理兩個(gè)階段。大模型的訓(xùn)練包括自監(jiān)督預(yù)訓(xùn)練、監(jiān)督微調(diào)、人類反饋強(qiáng)化學(xué)習(xí)。人工智能對(duì)大模型質(zhì)量的評(píng)估必須由人類完成，對(duì)質(zhì)量的獎(jiǎng)勵(lì)或問(wèn)責(zé)都要落到相關(guān)的人類員工身上，機(jī)器無(wú)法承擔(dān)，也不應(yīng)該承擔(dān)責(zé)任。

美國(guó)在大模型研究方面處于明顯領(lǐng)先地位，如走在前面的OpenAI和谷歌公司率先推出了GPT和BERT。我國(guó)處于領(lǐng)先地位的有華為盤(pán)古、百度文心一言、清華智普、阿里通義千問(wèn)等大模型，對(duì)多語(yǔ)言支持的能力比較弱，基本上都是封閉和不開(kāi)源的。

方向：下一步的工作重心是服務(wù)于工業(yè)生產(chǎn)，包括優(yōu)化生產(chǎn)計(jì)劃、監(jiān)控生產(chǎn)過(guò)程、控制生產(chǎn)成本、實(shí)現(xiàn)智能生產(chǎn)制造和全產(chǎn)業(yè)鏈的智能管控，重點(diǎn)研究方向有模型規(guī)模增長(zhǎng)、跨模態(tài)學(xué)習(xí)、多模型協(xié)同、智能性和自適應(yīng)性等，以及與大模型匹配的大平臺(tái)、大數(shù)據(jù)中心和各種終端設(shè)施，并建立不斷增長(zhǎng)的大生態(tài)系統(tǒng)中各主體之間的協(xié)同關(guān)系機(jī)制，包括專業(yè)的模型開(kāi)發(fā)維護(hù)組織。

需要強(qiáng)化的基礎(chǔ)工作主要有：（1）大數(shù)據(jù)的獲取和處理軟件技術(shù)，包括參數(shù)標(biāo)準(zhǔn)體系建設(shè)與應(yīng)用。（2）承載大模型的硬件及配套技術(shù)設(shè)施，包括測(cè)試和評(píng)價(jià)體系建設(shè)與應(yīng)用。（3）對(duì)模型進(jìn)行細(xì)分，并制定連接規(guī)則和責(zé)權(quán)利機(jī)制，可根據(jù)參數(shù)的多少分為五級(jí)：超大模型、大模型、中模型、小模型、微模型，對(duì)應(yīng)參數(shù)的量級(jí)分別為兆、億、萬(wàn)、千、百，對(duì)應(yīng)的場(chǎng)景對(duì)象分別為社會(huì)、行業(yè)、企業(yè)、項(xiàng)目、設(shè)備。

七、大模型的發(fā)展預(yù)測(cè)

未來(lái)，大模型的服務(wù)能力、范圍和水平將不斷拓展，發(fā)展空間無(wú)限。依據(jù)老子的“三生萬(wàn)物”哲學(xué)觀，結(jié)合現(xiàn)代數(shù)字化新技術(shù)，可以預(yù)測(cè)大模型的發(fā)展趨勢(shì)，粗分為以下四個(gè)階段：

初級(jí)階段：主要功能是提高人與人之間的交流效率，尤其是利用語(yǔ)言獲取信息和知識(shí)，以文本與語(yǔ)音間的相互轉(zhuǎn)換為介入點(diǎn)，很快拓展到寫(xiě)（包括圖像）、聽(tīng)、說(shuō)和看（包括視頻）及其間的相互轉(zhuǎn)換，如ChatGPT。

中級(jí)階段：主要功能是提高人與設(shè)施（人工物）之間的交流效率，尤其是利用信息管控物，以設(shè)備（如汽車）的智能控制為介入點(diǎn)，不斷拓展到不同設(shè)施的智能控制，主要解決的是工業(yè)生產(chǎn)的智能化升級(jí)，如智能工廠。

高級(jí)階段：主要功能是提高人與物（包括自然物）之間的交流效率，尤其是利用信息實(shí)現(xiàn)物與物之間的相互作用，以無(wú)人工廠中生產(chǎn)的智能控制為介入點(diǎn)，不斷拓展到不同物間相互作用的智能控制，包括生物和非生物，人造物（如設(shè)備）、人工物（如原材料）和自然物（如深海野生生物），如智慧城市。

超級(jí)階段：主要功能是提高“人與物”和“物與物”之間的互動(dòng)效率，尤其是利用信息實(shí)現(xiàn)人與自然的協(xié)調(diào)持續(xù)發(fā)展，以元宇宙為介入點(diǎn)，不斷拓展空間強(qiáng)化功能，進(jìn)入無(wú)邊界的可持續(xù)發(fā)展?fàn)顟B(tài)。

八、我們的行動(dòng)

我們每個(gè)人是生態(tài)系統(tǒng)中的最小單元（細(xì)胞），每家企業(yè)是生態(tài)系統(tǒng)中的一個(gè)組織（子系統(tǒng)），當(dāng)下需要做的是了解它并連接它，大模型大幅度拓寬了大家之間的連接，并加速了信息和知識(shí)的獲取速度。因此，我們只有積極擁抱它、并快速融入到這個(gè)大模型所構(gòu)建的大家庭中，才能成為擁有“個(gè)人IP”的超級(jí)個(gè)體。緊跟這個(gè)“狂飆”的生態(tài)系統(tǒng)，是我們的機(jī)遇也是責(zé)任，決不能掉隊(duì)，更不能錯(cuò)過(guò)！

各種前端技術(shù)的真正價(jià)值并非僅僅停留在理論中，而是需要通過(guò)實(shí)際的應(yīng)用場(chǎng)景來(lái)發(fā)揮。我們需要做的是在未來(lái)的產(chǎn)業(yè)格局中，定好自己的位，大企業(yè)適合做大模型建設(shè)的主持者，中小企業(yè)適合在某一垂直領(lǐng)域進(jìn)行深耕，專精特新小微企業(yè)則可作為某一細(xì)分單元的工匠。天人環(huán)境和國(guó)真智慧義無(wú)反顧地投身到環(huán)境領(lǐng)域的大模型開(kāi)發(fā)與應(yīng)用工作，重點(diǎn)解決大數(shù)據(jù)的精準(zhǔn)快速獲取與傳輸，以及高效增值處理與應(yīng)用。我們期待與志同道合者廣泛合作，包括“共建”“共推”和“共營(yíng)”。

為方便大家了解，這里推薦兩本書(shū)：一本是《大模型：技術(shù)場(chǎng)景與商業(yè)應(yīng)用》，梅磊等著，清華大學(xué)出版社，2013年12月第1版。該書(shū)適合職場(chǎng)人員進(jìn)行大模型知識(shí)科普，主要從典型應(yīng)用ChatGPT入手，探尋其背后支撐大模型的魅力。對(duì)大模型的基本概念、產(chǎn)業(yè)格局、帶來(lái)的新商業(yè)模式進(jìn)行講解，展現(xiàn)了大模型的發(fā)展現(xiàn)狀和商業(yè)化潛力；從數(shù)據(jù)服務(wù)、智能搜索、辦公工具、對(duì)話式AI、休閑娛樂(lè)、生產(chǎn)制造、智慧營(yíng)銷、智慧城市等方面講述了大模型的諸多應(yīng)用場(chǎng)景，并闡述了大模型在這些領(lǐng)域的應(yīng)用現(xiàn)狀、應(yīng)用潛力、企業(yè)探索實(shí)踐等。另一本是《多模態(tài)大模型：技術(shù)原理與實(shí)戰(zhàn)》，彭勇等著，電子工業(yè)出版社，2023年11月第1版。該書(shū)適合IT專業(yè)人員進(jìn)行大模型入門(mén)知識(shí)學(xué)習(xí)，幫助讀懂ChatGPT的核心技術(shù)，看清GPT的進(jìn)化史和創(chuàng)新點(diǎn)，詳述多模態(tài)大模型的核心技術(shù)和應(yīng)用場(chǎng)景，讓中小企業(yè)可以從0到1部署多模態(tài)大模型，打開(kāi)通往通用人工智能的大門(mén)。詳細(xì)介紹了中小企業(yè)的大模型構(gòu)建之路，闡述了如何通過(guò)微調(diào)、量化壓縮等技術(shù)構(gòu)建垂直領(lǐng)域的輕量級(jí)大模型。